【技术实现步骤摘要】
基于改进的Mask R
‑
CNN模型的卫星遥感图像农田块分割方法
[0001]本专利技术涉及遥感图像处理
,更具体地,涉及基于改进的Mask R
‑
CNN模型的卫星遥感图像农田块分割方法。
技术介绍
[0002]卫星遥感技术经过多年的发展,无论在光谱分辨率、空间分辨率、时间分辨率等方面都取得了巨大的进步,已经形成高光谱、高空间分辨率、全天时、全天候、实时/准实时的对地观测能力。高分辨率卫星遥感图像主要包括的特征有:地物纹理信息丰富、成像光谱波段多、重访时间短,在高分辨率下实现对小范围精确探测的技术在国内外军民领域已得到广泛应用。随着海量卫星遥感数据的大量获取,智能化、精准农业应用成为热点和趋势,如智能病虫害监控、农作物长势监测、农药喷洒和无人播种等,而如何从海量的高分辨率卫星遥感数据中提取农田和农作物的空间分布要素,成为制约精准农业发展的关键技术。
[0003]农田块是卫星遥感图像中具有明显边缘的一块独立农田区域,目前,无人机农药喷洒和无人机播种过程中需要的农田块边界基本都是通过人工方式提取的,其效率低、成本高,且数据分布零散无法实现集中管理和更新。因此,农田块边界的自动、精确提取是精准农业应用的一项关键技术。近年来,计算机视觉和机器学习取得了快速发展,其中图像地物分类和语义分割法层出不穷。但现有图像分类和语义分割方法只能区分不同类别的地物类型或目标,而不能很好地实现单个农田块的分割和边界提取。因此,实际应用中亟需一种针对高分辨率卫星遥感图像的快速有效的农田边界精准提 ...
【技术保护点】
【技术特征摘要】
1.基于改进的Mask R
‑
CNN模型的卫星遥感图像农田块分割方法,其特征在于,包括:S1:获取卫星遥感图像,对所述遥感图像进行预处理,得到归一化遥感图像,根据所述归一化遥感图像中是否有云,划分为有云遥感图像和无云遥感图像;S2:使用改进的Mask R
‑
CNN模型分割有云遥感图像中的云,得到无云掩膜图像,然后将无云掩膜图像与同一区域不同时相的遥感图像互补合成无云遥感图像,从而使所有归一化遥感图像均为无云图像;S3:将无云遥感图像作为训练集,输入到改进的Mask R
‑
CNN模型进行模型训练,得到训练好的农田分割模型;S4:将待分割农田的遥感图像输入训练好的农田分割模型,得到农田边界的分割结果;其中,所述改进的Mask R
‑
CNN模型的特征提取部分采用PANet结构。2.根据权利要求1所述的基于改进的Mask R
‑
CNN模型的卫星遥感图像农田块分割方法,其特征在于,步骤S1所述预处理包括:S11:获取卫星遥感图像的RPC信息;S12:基于RPC信息分别对卫星遥感图像的多光谱和全色数据进行正射校正;S13:以全色数据为基准对多光谱数据进行配准;S14:对配准后的图像进行图像融合操作;S15:对融合后的图像进行辐射定标和大气校正。3.根据权利要求2所述的基于改进的Mask R
‑
CNN模型的卫星遥感图像农田块分割方法,其特征在于,步骤S1所述预处理还包括图像剪裁,具体为:S16:按照预设尺寸将图像剪裁成预设大小的归一化遥感图像。4.根据权利要求2所述的基于改进的Mask R
‑
CNN模型的卫星遥感图像农田块分割方法,其特征在于,步骤S13采用ENVI平台进行配准。5.根据权利要求3所述的基于改进的Mask R
‑
CNN模型的卫星遥感图像农田块分割方法,其特征在于,所述图像剪裁是根据经纬度...
【专利技术属性】
技术研发人员:ꢀ七四专利代理机构,
申请(专利权)人:广州华农大智慧农业科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。